Esta página foi traduzida automaticamente e a precisão da tradução não é garantida. Por favor, consulte o versão em inglês para um texto fonte.

Desenvolvimento de um modelo de predição de imagens para metástases linfonodais pélvicas de câncer cervical usando técnicas de inteligência artificial.

3 de junho de 2024 atualizado por: Obstetrics & Gynecology Hospital of Fudan University
Este estudo é um ensaio exploratório retrospectivo realizado em um único centro, com o objetivo de desenvolver e validar um modelo de metástase linfática pré-operatória para câncer cervical usando aprendizagem profunda de inteligência artificial. O modelo é treinado usando imagens pré-operatórias e achados patológicos pós-operatórios de pacientes com câncer cervical, com o objetivo de aumentar a precisão da previsão de metástases linfáticas por meio de imagens pré-operatórias e oferecer insights para decisões de tratamento.

Visão geral do estudo

Tipo de estudo

Observacional

Inscrição (Estimado)

4000

Contactos e Locais

Esta seção fornece os detalhes de contato para aqueles que conduzem o estudo e informações sobre onde este estudo está sendo realizado.

Contato de estudo

Locais de estudo

    • Shanghai
      • Shanghai, Shanghai, China, 200090
        • Recrutamento
        • The Obstetrics and Gynecology Hospital of Fudan University
        • Contato:
        • Investigador principal:
          • Xin Wu
        • Subinvestigador:
          • Hua Jiang
        • Subinvestigador:
          • Xuan Yin
        • Subinvestigador:
          • Ling Qiu
        • Subinvestigador:
          • Hui Wang
        • Subinvestigador:
          • Yang Liu
        • Subinvestigador:
          • Shen Luo
        • Subinvestigador:
          • Xiaomei Sun

Critérios de participação

Os pesquisadores procuram pessoas que se encaixem em uma determinada descrição, chamada de critérios de elegibilidade. Alguns exemplos desses critérios são a condição geral de saúde de uma pessoa ou tratamentos anteriores.

Critérios de elegibilidade

Idades elegíveis para estudo

  • Adulto
  • Adulto mais velho

Aceita Voluntários Saudáveis

Não

Método de amostragem

Amostra de Probabilidade

População do estudo

Todas as informações dos pacientes e dados de imagem foram coletados no Hospital de Obstetrícia e Ginecologia da Universidade Fudan. Este hospital é uma unidade especializada de atendimento terciário e é reconhecido como o principal hospital de Obstetrícia e Ginecologia da China.

Descrição

Critério de inclusão:

  1. pacientes com diagnóstico pré-operatório de câncer cervical invasivo estágio I-III, com qualquer tipo de patologia, e pacientes submetidos à cirurgia radical/modificada de câncer cervical radical + dissecção de linfonodos pélvicos em nosso hospital.
  2. Idade ≥18 anos e ≤80 anos
  3. pacientes com imagens completas de ressonância magnética pélvica pré-operatória e patologia pós-operatória e dados clínicos em nosso hospital

Critério de exclusão:

  1. Pacientes durante a gravidez ou amamentação, pacientes até 42 dias após o aborto
  2. Pacientes que receberam quimioterapia ou radioterapia neoadjuvante antes da cirurgia para este câncer cervical anterior
  3. Pacientes com outros tumores malignos dentro de 5 anos
  4. Combinação de outras doenças subjacentes que podem levar ao aumento dos gânglios linfáticos pélvicos
  5. Relatório de imagem mais de 1 mês antes da cirurgia
  6. Má qualidade de imagem e irreconhecível

Plano de estudo

Esta seção fornece detalhes do plano de estudo, incluindo como o estudo é projetado e o que o estudo está medindo.

Como o estudo é projetado?

Detalhes do projeto

O que o estudo está medindo?

Medidas de resultados primários

Medida de resultado
Descrição da medida
Prazo
Um modelo para identificar metástases em linfonodos pélvicos em imagens pré-operatórias
Prazo: Da inscrição até o final do desenvolvimento do modelo aos 24 meses
A tecnologia de inteligência artificial (IA) foi utilizada para desenvolver um modelo para identificar metástases em linfonodos pélvicos a partir de imagens pré-operatórias, a fim de aumentar a precisão da detecção pré-operatória de metástases em linfonodos no câncer cervical. O modelo foi validado com o foco diagnóstico principal na determinação do status da metástase linfonodal.
Da inscrição até o final do desenvolvimento do modelo aos 24 meses

Colaboradores e Investigadores

É aqui que você encontrará pessoas e organizações envolvidas com este estudo.

Datas de registro do estudo

Essas datas acompanham o progresso do registro do estudo e os envios de resumo dos resultados para ClinicalTrials.gov. Os registros do estudo e os resultados relatados são revisados ​​pela National Library of Medicine (NLM) para garantir que atendam aos padrões específicos de controle de qualidade antes de serem publicados no site público.

Datas Principais do Estudo

Início do estudo (Real)

1 de fevereiro de 2024

Conclusão Primária (Estimado)

1 de dezembro de 2025

Conclusão do estudo (Estimado)

1 de dezembro de 2025

Datas de inscrição no estudo

Enviado pela primeira vez

3 de junho de 2024

Enviado pela primeira vez que atendeu aos critérios de CQ

3 de junho de 2024

Primeira postagem (Real)

7 de junho de 2024

Atualizações de registro de estudo

Última Atualização Postada (Real)

7 de junho de 2024

Última atualização enviada que atendeu aos critérios de controle de qualidade

3 de junho de 2024

Última verificação

1 de junho de 2024

Mais Informações

Termos relacionados a este estudo

Plano para dados de participantes individuais (IPD)

Planeja compartilhar dados de participantes individuais (IPD)?

NÃO

Informações sobre medicamentos e dispositivos, documentos de estudo

Estuda um medicamento regulamentado pela FDA dos EUA

Não

Estuda um produto de dispositivo regulamentado pela FDA dos EUA

Não

Essas informações foram obtidas diretamente do site clinicaltrials.gov sem nenhuma alteração. Se você tiver alguma solicitação para alterar, remover ou atualizar os detalhes do seu estudo, entre em contato com register@clinicaltrials.gov. Assim que uma alteração for implementada em clinicaltrials.gov, ela também será atualizada automaticamente em nosso site .

Se inscrever